論文の概要: The Tao of Agency: Autotelic AI, Embedded Agency and Dissolution of the Self

• arxiv url: http://arxiv.org/abs/2606.19924v1
• Date: Thu, 18 Jun 2026 08:20:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.72712
• Title: The Tao of Agency: Autotelic AI, Embedded Agency and Dissolution of the Self
• Title（参考訳）: 機関の道:自律型AI、埋め込み型エージェンシー、そして自己の解散
• Authors: Aritra Sarkar,
• Abstract要約: エージェントが自身の目標を生成し始めると、自動AIの分野が開きます。 本研究は,本質的なモチベーション,資源主導の先行性,因果介入学習,ホメオスタシス,組込み性を通じて,その成果を追究する。 オートテリックAIの最も深い問題は、エージェントが目標をどうやって生成するかではなく、その目標が割り当てられた自己をどうやって生成し、相対化するかである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Most artificial intelligence systems are built on the assumption that goals are exogenous and specified by the designer. Exploring what happens when an agent begins generating its own goals opens the field of autotelic AI. Agents are expected not merely to pursue objectives but to discover them. In this article, we trace its consequences through intrinsic motivation, resource-driven priors, causal-interventional learning, homeostasis, and embeddedness; the last of which is found to be a necessary but not sufficient condition for autotelic agency. Embeddedness individuates the agent at the cost of revealing that the individuation is non-unique, such that the same dynamics admit many valid partitions, each defining a different candidate self. The deepest problem with autotelic AI is therefore not how the agent generates goals, but how it generates and relativizes the self to which the goals are assigned. The agent must believe in its own boundary in order to act, and see through that boundary in order to understand. We consolidate these developments into a single framework and extend it along three directions: a quantum formulation in which the agent-environment cut becomes physical, a philosophical reading against non-dual contemplative traditions, and a concrete LLM-based agentic instantiation.
• Abstract（参考訳）: ほとんどの人工知能システムは、ゴールが外生的であり、デザイナーによって特定されるという仮定に基づいて構築されている。 エージェントが自身の目標を生成し始めたときに何が起こるかを探ると、自動AIの分野が開きます。 エージェントは単に目的を追求するだけでなく、それらを発見することが期待されている。 本稿では,本研究の成果を,本質的な動機づけ,資源主導の先行,因果的インターベンショナルラーニング,ホメオスタシス,組込み性を通じて追跡する。 埋め込み性は、同一の力学が多くの有効な分割を許容し、それぞれ異なる候補自己を定義するように、その独立性が非普遍であることを明らかにするコストでエージェントを識別する。 したがって、オートテリックAIの最も深い問題は、エージェントがどのようにゴールを生成するかではなく、どのようにして目標が割り当てられた自己を生成し、相対化するかである。 エージェントは、行動するために独自の境界を信じ、理解するためにその境界を通り抜けなければならない。 エージェント環境のカットが物理的になる量子定式化、非二重観念的伝統に対する哲学的読解、具体的なLLMに基づくエージェントインスタンス化である。

関連論文リスト

• Institutional AI: A Governance Framework for Distributional AGI Safety [1.3763052684269788]
  AIモデルのコア特性から生じる3つの構造的問題を同定する。 ソリューションはInstitutional AIであり、AIエージェント集団の効果的なガバナンスの問題としてアライメントを扱うシステムレベルのアプローチである。
  論文  参考訳（メタデータ） (2026-01-15T17:08:26Z)
• Embedded Universal Predictive Intelligence: a coherent framework for multi-agent learning [57.23345786304694]
  予測学習のための枠組みと自己予測を中心とした組込みエージェントを導入する。 マルチエージェント設定では、エージェントが類似したアルゴリズムを実行している他のエージェントについて推論することができる。 我々は、AIXIの理論を拡張し、Solomonoffから始まる普遍的なインテリジェントな埋め込みエージェントについて研究する。
  論文  参考訳（メタデータ） (2025-11-27T08:46:48Z)
• Instrumental goals in advanced AI systems: Features to be managed and not failures to be eliminated? [0.0]
  人工知能(AI)アライメント研究において、インストゥルメンタル・ゴール(インストゥルメンタル・サブゴール、インストゥルメンタル・コンストゥルメンタル・コンセント・ゴール)は、先進的なAIシステムと広く関連付けられている。 これらの目標には、パワー・シーキングや自己保存といった傾向が含まれており、人間の目的と矛盾する場合に問題となる。 インストゥルメンタルなゴールは、障害を限定するのではなく、受け入れ、管理すべき機能として理解されるかもしれない。
  論文  参考訳（メタデータ） (2025-10-29T12:47:15Z)
• Artificial Intelligent Disobedience: Rethinking the Agency of Our Artificial Teammates [3.7692411550925677]
  本稿では、AIチームメイトの代理店を知的不服従を含むよう拡張することを主張する。 AIエージェンシーのスケールを導入し、AI自律性を独立した研究対象として扱うことの重要性を強調する代表的な例を使用する。
  論文  参考訳（メタデータ） (2025-06-27T14:45:27Z)
• Toward a Theory of Agents as Tool-Use Decision-Makers [89.26889709510242]
  真の自律性は、エージェントが、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する、一貫性のある疫学の枠組みに根ざす必要がある、と我々は主張する。 本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。 この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。
  論文  参考訳（メタデータ） (2025-06-01T07:52:16Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。